随着第五代移动通信系统（5th Generation Mobile Networks,简称5G）的大量部署,万物互联的时代即将到来。电网是一种5G的典型垂直行业应用,因此能源互联网的建设与部署成为该研究的热点方向。然而,电力通信网中不同的业务产生的网络需求差别迥异。传统集中式网络架构难以提供满足所有业务需求的通信网络服务。网络切片是一种按需组网的技术,能够在统一的基础设施下定制专用的逻辑网络,满足差异化的性能指标需求。因此,设计专用电力网络切片并构建基于切片的通信网络架构将是电力行业未来发展的趋势。对于不同电网业务场景,需要将网络资源按需分配给不同的业务切片,并且保障服务质量。同时,在电网环境下,脉冲噪声的干扰是影响信号传输质量的关键因素,而在信号解调之前对脉冲噪声进行削减可改善电力通信网的通信质量。本文围绕电力通信网的网络切片中的资源分配与脉冲噪声削减展开研究,并取得如下成果:（1）针对电力行业能源互联网框架,整理了电网中典型业务场景的资源需求。建立了电力通信网的切片模型,设计了一种满足电网不同业务场景下时延、带宽、可靠性、隔离需求的定制化网络切片方案。设计了包括基础设施与基础网络、端到端切片管理系统与智能策略调度系统三个部分的基于网络切片的电网端到端架构。（2）针对电力通信网络切片的资源分配方法效率不高的问题,提出一种基于端到端架构的体验质量与资源利用率联合优化资源分配方法。首先,将资源分配问题建模成马尔可夫过程。然后,采用强化学习中的Q学习与深度Q网络（Deep Q Network,简称DQN）算法求解最优分配方案。仿真结果表明,基于Q学习与DQN的资源分配方法可满足多业务体验质量要求,并提高了资源利用率。另外,基于DQN的资源分配算法比基于Q学习的资源分配算法具有更快的收敛速度。（3）针对电力通信网络中的脉冲噪声难以识别与消除的问题,提出一种基于长短期记忆网络（Long Short-Term Memory,简称LSTM）的自适应脉冲噪声削减方法。采用LSTM深度学习模型对受脉冲噪声信号进行监督学习,用训练好的模型对脉冲噪声进行识别。对于识别出的脉冲噪声,采用滑动窗口的方法进行削减。推导了该方法下的输出信噪比的闭合解。仿真结果表明,与传统的脉冲削减方法相比,提出的基于LSTM的自适应脉冲噪声削减方法可有效识别并消除脉冲噪声从而降低系统的误码率。